CN113689247A - 一种基于信息流并联的区块链电子券标记方法及系统 - Google Patents
一种基于信息流并联的区块链电子券标记方法及系统 Download PDFInfo
- Publication number
- CN113689247A CN113689247A CN202111251451.9A CN202111251451A CN113689247A CN 113689247 A CN113689247 A CN 113689247A CN 202111251451 A CN202111251451 A CN 202111251451A CN 113689247 A CN113689247 A CN 113689247A
- Authority
- CN
- China
- Prior art keywords
- category
- result
- electronic
- distributed storage
- electronic ticket
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0239—Online discounts or incentives
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0222—During e-commerce, i.e. online transactions
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种基于信息流并联的区块链电子券标记方法及系统,其中,所述方法包括:获得第一电子券集合;对第一电子券集合进行分类,获得第一分类结果;获得第一中心服务项目特征;根据第一中心服务项目特征和第一分类结果,分别获得第一分类结果中每个类别与第一中心服务项目特征的关联度;对第一分类结果中的各类别进行并联排序,获得第一并联类别序列;对第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;获得第一标记结果。解决了现有技术中存在对用户数据利用不足,电子券发放关联性弱,准确性低,从而导致电子券使用率低,并且无法对电子券进行全周期溯源的技术问题。
Description
技术领域
本发明涉及电子券标记技术领域,具体涉及一种基于信息流并联的区块链电子券标记方法及系统。
背景技术
优惠券作为一种重要的促销手段,从19世纪20年代出现,历经“纸质券”到“打印券”再到“电子券”的不断演化,到现在几乎每个能够进行交易的网络平台都有电子券。对各行各业的运营者而言,如何用好电子券这一工具是一种重要的运营策略,对用户运营而言,电子券是用户维护乃至用户召回的重要手段;对品牌推广而言,电子券是门店及品牌的宣传载体。运营者在想清目的、做好策划、定好规则后,要做好充分准备,确保电子券发放、核销、统计等环节环环相扣,这样才能顺利使用好电子券这一运营策略,达到想要的目的。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
存在对用户数据利用不足,电子券发放关联性弱,准确性低,从而导致电子券使用率低,并且无法对电子券进行全周期溯源的问题。
发明内容
本申请实施例通过提供了一种基于信息流并联的区块链电子券标记方法及系统,解决了现有技术中存在对用户数据利用不足,电子券发放关联性弱,准确性低,从而导致电子券使用率低,并且无法对电子券进行全周期溯源的技术问题。达到了智能采集用户数据,实时信息流并流,提高电子券发放的关联性和准确性,对不同类别电子券进行字符串标记,从而实现不同类别电子券的全周期溯源,实现提高电子券的利用率的技术效果。
鉴于上述问题,本申请实施例提供了一种基于信息流并联的区块链电子券标记方法及系统。
第一方面,本申请实施例提供了一种基于信息流并联的区块链电子券标记方法,其中,所述方法包括:根据大数据获得第一电子券集合;根据服务项目特征对所述第一电子券集合进行分类,获得第一分类结果;获得第一中心服务项目特征;根据所述第一中心服务项目特征和所述第一分类结果,分别获得所述第一分类结果中每个类别与所述第一中心服务项目特征的关联度;根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,获得第一并联类别序列;对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;对所述第一分布式存储结果进行字符串标记,获得第一标记结果。
另一方面,本申请实施例提供了一种基于信息流并联的区块链电子券标记系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得根据大数据获得第一电子券集合;第二获得单元,所述第二获得单元用于根据服务项目特征对所述第一电子券集合进行分类,获得第一分类结果;第三获得单元,所述第三获得单元用于获得第一中心服务项目特征;第四获得单元,所述第四获得单元用于根据所述第一中心服务项目特征和所述第一分类结果,分别获得所述第一分类结果中每个类别与所述第一中心服务项目特征的关联度;第五获得单元,所述第五获得单元用于根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,获得第一并联类别序列;第六获得单元,所述第六获得单元用于对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;第七获得单元,所述第七获得单元用于对所述第一分布式存储结果进行字符串标记,获得第一标记结果。
第三方面,本申请实施例提供了一种基于信息流并联的区块链电子券标记系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了根据大数据获得第一电子券集合;根据服务项目特征对所述第一电子券集合进行分类,获得第一分类结果;获得第一中心服务项目特征;根据所述第一中心服务项目特征和所述第一分类结果,分别获得所述第一分类结果中每个类别与所述第一中心服务项目特征的关联度;根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,获得第一并联类别序列;对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;对所述第一分布式存储结果进行字符串标记,获得第一标记结果的技术方案,本申请实施例通过提供了一种基于信息流并联的区块链电子券标记方法及系统,达到了智能采集用户数据,实时信息流并流,提高电子券发放的关联性和准确性,对不同类别电子券进行字符串标记,从而实现不同类别电子券的全周期溯源,实现提高电子券的利用率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于信息流并联的区块链电子券标记方法的流程示意图;
图2为本申请实施例一种基于信息流并联的区块链电子券标记方法的获得第二标记结果的流程示意图;
图3为本申请实施例一种基于信息流并联的区块链电子券标记方法的获得第一串联类别序列的流程示意图;
图4为本申请实施例一种基于信息流并联的区块链电子券标记方法的对用户对象特征进行权重分配的流程示意图;
图5为本申请实施例一种基于信息流并联的区块链电子券标记方法的获得第一对象特征权重分配模型的流程示意图;
图6为本申请实施例一种基于信息流并联的区块链电子券标记方法的获得第一分布式存储结果的流程示意图;
图7为本申请实施例一种基于信息流并联的区块链电子券标记方法的获得第三分布式存储结果的流程示意图;
图8为本申请实施例一种基于信息流并联的区块链电子券标记系统的结构示意图;
图9为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请实施例通过提供了一种基于信息流并联的区块链电子券标记方法及系统,解决了现有技术中存在对用户数据利用不足,电子券发放关联性弱,准确性低,从而导致电子券使用率低,并且无法对电子券进行全周期溯源的技术问题。达到了智能采集用户数据,实时信息流并流,提高电子券发放的关联性和准确性,对不同类别电子券进行字符串标记,从而实现不同类别电子券的全周期溯源,实现提高电子券的利用率的技术效果。
申请概述
优惠券作为一种重要的促销手段,从19世纪20年代出现,历经“纸质券”到“打印券”再到“电子券”的不断演化,到现在几乎每个能够进行交易的网络平台都有电子券。对各行各业的运营者而言,如何用好电子券这一工具是一种重要的运营策略,对用户运营而言,电子券是用户维护乃至用户召回的重要手段;对品牌推广而言,电子券是门店及品牌的宣传载体。运营者在想清目的、做好策划、定好规则后,要做好充分准备,确保电子券发放、核销、统计等环节环环相扣,这样才能顺利使用好电子券这一运营策略,达到想要的目的。现有技术中存在对用户数据利用不足,电子券发放关联性弱,准确性低,从而导致电子券使用率低,并且无法对电子券进行全周期溯源的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于信息流并联的区块链电子券标记方法,其中,所述方法包括:根据大数据获得第一电子券集合;根据服务项目特征对所述第一电子券集合进行分类,获得第一分类结果;获得第一中心服务项目特征;根据所述第一中心服务项目特征和所述第一分类结果,分别获得所述第一分类结果中每个类别与所述第一中心服务项目特征的关联度;根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,获得第一并联类别序列;对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;对所述第一分布式存储结果进行字符串标记,获得第一标记结果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于信息流并联的区块链电子券标记方法,其中,所述方法包括:
S100:根据大数据获得第一电子券集合;
S200:根据服务项目特征对所述第一电子券集合进行分类,获得第一分类结果;
具体而言,电子券有代金券、优惠券等不同类型,针对不同的客户群体,发放不同的电子券,有利于实现精准的营销与服务。基于大数据智能采集所述第一电子券集合,第一电子券集合包括目前有效的所有电子券,如各类消费品的代金券、优惠券、抵用券等。根据服务项目特征对所述第一电子券集合进行分类,获得所述分类结果,每一类均具有鲜明的服务项目特征,如分为家居类、服饰类、美妆类、饮食类、休闲娱乐类、交通类等等。通过将第一电子券集合按照服务项目特征分类,利于电子券信息的处理。
S300:获得第一中心服务项目特征;
S400:根据所述第一中心服务项目特征和所述第一分类结果,分别获得所述第一分类结果中每个类别与所述第一中心服务项目特征的关联度;
具体而言,所述第一中心服务项目特征为任一目标服务项目,由电子券使用对象的需求决定,根据第一中心服务项目特征和所述第一分类结果,进行关联度分析,关系紧密的关联度高、联系较弱的关联度低。例如第一中心服务项目特征为旅游时,交通类别、饮食类别以及休闲娱乐类别与第一中心服务项目特征关联度高,而家居类、服饰类与第一中心服务项目特征关联度较低。进行关联度分析,能够为后续电子券信息的重要程度进行预测,并且为电子券的准确发放奠定基础。
S500:根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,获得第一并联类别序列;
S600:对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;
具体而言,根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,所述并联排序为根据与所述第一中心服务项目特征关联度,进行类别间横向排序,获得所述第一并联类别序列。对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果,区块链技术是一项具有普适性的底层技术架构,它通过共识机制在分布式节点上生成和同步数据、借助可编程脚本实现合约条款的自动执行和数据操作。区块链被定义为一种按时间顺序来组织数据区块,不同区块之间按序形成链条状连接的数据结构,借助这种数据结构来构建数字账本。将每个类别的电子券按照区块链进行分布式存储,从而获得所述第一分布式储存结果。从而完成信息流并联,以及分布式存储。
S700:对所述第一分布式存储结果进行字符串标记,获得第一标记结果。
具体而言,对所有类别进行分布式存储后,获得字符串标记信息,即生成的标识码,汇总所有的字符串标记信息,获得所述第一标记结果。对所述第一分布式存储结果进行字符串标记,每一个字符串标记具有唯一性,用于不同类别的标识,可以根据字符串标记进行电子券全周期溯源,也可将全部字符串标记进行归类、并联和串联处理。从而能够对不同类别电子券进行字符串标记,从而实现电子券的全周期溯源,实现提高电子券的利用率的效果。
进一步的,如图2所示,本申请实施例包括:
S710:获得所述每个类别的电子券的用户对象特征;
S720:根据所述每个类别的电子券的用户对象特征,获得第一串联类别序列;
S730:将所述第一分布式存储结果按照所述第一串联类别序列进行更新,获得第二分布式存储结果;
S740:将所述第二分布式存储结果按照所述第一串联类别序列进行求交处理后按照区块链进行分布式存储,获得第三分布式存储结果;
S750:对所述第三分布式存储结果进行字符串标记,获得第二标记结果。
具体而言,所述用户对象特征包括用户的年龄、性别、职业、喜好等特征。根据所述每个类别电子券的用户对象特征,获得所述第一串联类别序列。所述第一串联类别序列为对每一类别中电子券串联排序,如用户对象特征为女性,那么对美妆类、服饰类、家居类、美食类等每一类别中的不同平台、不同商家、不同金额的电子券进行排序,获得女性的第一串联类别序列。排序结果具有一定的特异性。例如:用户对象特征为女性,按照此特征对每个类别进行排序,那么排序结果与用户对象特征为男性的排序结果不同,并且存在明显差异。按照所述第一串联类别序列对所述第一分布式存储结果进行更新,获得更新后的更具有用户对象特征的所述第二分布式存储结果。按照所述第一串联类别序列,进行交集运算,运算后进行区块链的分布式存储,获得所述第三分布存储结果,并对所述第三分布式存储结果进行字符串标记,获得第二标记结果。根据所述第二标记结果,能够提高电子券追踪的针对性和数据的增值性。
进一步的,如图3所示,所述根据所述每个类别的电子券的用户对象特征,获得第一串联类别序列,步骤S720包括:
S721:获得所述每个类别的电子券的用户对象特征,所述用户对象特征包括性别、职业、年龄;
S722:根据所述每个类别对应的所述服务项目特征,对所述用户对象特征进行权重分配,获得第一权重比;
S723:将所述每个类别的电子券按照用户对象特征的所述第一权重比由小到大排列,获得第一串联类别序列。
具体而言,所述用户对象特征包括性别、职业、年龄等,获得每个类别的电子券对应的用户对象特征,根据每个类别对应的所述服务项目特征,如家居特征、服饰特征、美妆特征、饮食特征、休闲娱乐特征、交通特征等等,对所述用户对象特征进行权重分配,不同年龄阶段、不同职业、不同性别的用户的权重分配不同,进一步在按照每一个用户对象特征在每一类服务项目中的权重,从而获得所述第一权重比。通过按照用户对象特征的所述第一权重比,对每个类别中的电子券进行由小到大的排序,获得第一串联类别序列。按照权重分配结果,获得第一串联类别序列,能够提高排列串联类别序列的准确性和可靠性。
进一步的,如图4所示,所述根据所述每个类别对应的所述服务项目特征,对所述用户对象特征进行权重分配,获得第一权重比,步骤S722包括:
S7221:获得第一对象特征权重分配模型;
S7222:将所述每个类别的电子券的任意用户对象特征输入所述第一对象特征权重分配模型,获得第一输出信息,其中,所述第一输出信息包括所述第一权重比。
具体而言,构建所述第一对象特征权重分配模型,该模型能够精准分配权重,将每个类别的电子券的任意用户对象特征输入所述第一对象特征权重分配模型中,获得所述第一输出信息,包括第一权重比,例如:仅输入男性、程序员两项信息,通过第一对象特征权重分配模型输出该对象的第一权重比。能够通过较少的用户对象特征进行权重分析,达到不需获得用户的全部特征就能够得到准确的结果,从而达到保护用户隐私,提高数据安全性的技术效果。
进一步的,如图5所示所述获得第一对象特征权重分配模型,步骤S7221包括:
S72211:获得第一初始对象特征权重分配模型;
S72212:构建第一数据训练方,所述第一数据训练方的第一训练数据包括所述每个类别的电子券用户对象的性别、年龄;
S72213:通过所述第一数据训练方利用所述第一训练数据对所述第一初始对象特征权重分配模型进行训练,获得第一模型参数;
S72214:构建第二数据训练方,所述第二数据训练方的第二训练数据包括所述每个类别的电子券用户对象的职业、喜好;
S72215:通过所述第二数据训练方利用所述第二训练数据对所述第一初始对象特征权重分配模型进行训练,获得第二模型参数;
S72216:根据所述第一模型参数和所述第二模型参数对所述第一初始对象特征权重分配模型进行更新,获得第一对象特征权重分配模型。
具体而言,所述第一初始对象特征权重分配模型为一神经网络模型。构建第一数据训练方,以每个类别的电子券用户对象的性别、年龄作为第一训练数据,输入所述第一初始对象特征权重分配模型,对该模型进行训练,获得所述第一模型参数。构建第二数据训练方,以每个类别的电子券用户对象的职业、喜好作为第二训练数据,输入所述第一初始对象特征权重分配模型,对该模型进行训练,获得所述第二模型参数。基于所述第一模型参数和所述第二模型参数对所述第一初始对象特征权重分配模型进行更新,获得第一对象特征权重分配模型。能够保护用户隐私,各方使用各方的数据属性信息,例如:性别和年龄可能来自学校等平台,则不用学校提供数据,由学校训练后,对外提供训练后的参数即可。
进一步,在传统的机器学习建模中,通常是把模型训练需要的数据集合到一个数据中心然后再训练模型,之后预测。而联邦学习能够在保证数据隐私安全及合法合规的基础上,实现共同建模,提升模型的效果。通过联合性别、年龄、职业和喜好样本,进行基于样本的分布式模型训练,分发全部数据到不同的机器,每台机器从服务器下载模型,然后利用本地数据训练模型,之后返回给服务器需要更新的参数。服务器聚合各机器上的返回的参数,更新模型,再把最新的模型反馈到每台机器。在这个过程中,每台机器下都是相同且完整的模型,且机器之间不交流不依赖。最终通过数据更新,得到第一对象特征权重分配模型,第一对象特征权重分配模型不必收集原始数据,降低了通信成本和本地存储以及计算成本。
进一步的,如图6所述,所述对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果,S600还包括:
S610:获得与所述每个类别的电子券相对应的字符串标识信息;
S620:将与所述每个类别的电子券相对应的字符串标识信息和所述类别的电子券作为一个存储区块;
S630:将存储所有类别电子券的存储区块分别存储在多个存储设备中,获得第一分布式存储结果。
具体而言,将多个类别中的第一类别生成第一标识码,根据第二类别和第一标识码生成第二标识码,根据第三类别和第二标识码生成第三标识码,以此类推,根据所述第N类别和第N-1标识码生成第N标识码,其中,N为大于1的自然数,进而生成与所述每个类别的电子券相对应的字符串标识信息。所述类别电子券和对应的标识码共同组成了不同存储区块,将存储所有类别电子券的存储区块分别复制保存在一个区块链上的多台设备上,每个设备对应于一个节点,所有区块组合起来形成了区块链,获得所述第一分布式存储结果。这样的区块链就构成了一个便于验证,不可更改的总账本。
进一步的,如图7所述,所述将所述第二分布式存储结果按照所述第一串联类别序列进行求交处理后按照区块链进行分布式存储,获得第三分布式存储结果 ,步骤S740还包括:
S741:获得所述每个类别的电子券中具有所述第一串联类别中相同权重比的电子券进行求交处理,获得多个具有相同用户特征权重比电子券交集;
S742:对所述多个具有相同用户特征电子券交集,按照区块链进行分布式存储,获得第三分布式存储结果。
具体而言,获得与所述第一串联类别中权重比相同的各个类别的电子券,对不同类别权重比相同的电子券进行交集运算。从而获得多个具有相同用户特征权重比的电子券交集,即这些具有相同用户特征的用户具有多个服务项目的电子券。进而根据求得的交集,按照区块链进行分布式存储,从而提高数据的增值性,能够针对性的实现电子券派发、电子券追溯等。
综上所述,本申请实施例所提供的一种基于信息流并联的区块链电子券标记方法及系统具有如下技术效果:
1、由于采用了根据大数据获得第一电子券集合;根据服务项目特征对所述第一电子券集合进行分类,获得第一分类结果;获得第一中心服务项目特征;根据所述第一中心服务项目特征和所述第一分类结果,分别获得所述第一分类结果中每个类别与所述第一中心服务项目特征的关联度;根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,获得第一并联类别序列;对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;对所述第一分布式存储结果进行字符串标记,获得第一标记结果的技术方案,本申请实施例通过提供了一种基于信息流并联的区块链电子券标记方法及系统,达到了智能采集用户数据,实时信息流并流,提高电子券发放的关联性和准确性,对不同类别电子券进行字符串标记,从而实现不同类别电子券的全周期溯源,实现提高电子券的利用率的技术效果。
2、由于使用了第一对象特征权重分配模型,仅通过输入每个类别的电子券的任意用户对象特征,就能够获得准确的权重比,能够通过较少的用户对象特征进行权重分析,从而达到不需获取用户的全部特征就能够得到准确的结果,从而达到保护用户隐私,提高数据安全性的技术效果。
实施例二
基于与前述实施例中一种基于信息流并联的区块链电子券标记方法相同的发明构思,如图8所示,本申请实施例提供了一种基于信息流并联的区块链电子券标记系统,其中,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得根据大数据获得第一电子券集合;
第二获得单元12,所述第二获得单元12用于根据服务项目特征对所述第一电子券集合进行分类,获得第一分类结果;
第三获得单元13,所述第三获得单元13用于获得第一中心服务项目特征;
第四获得单元14,所述第四获得单元14用于根据所述第一中心服务项目特征和所述第一分类结果,分别获得所述第一分类结果中每个类别与所述第一中心服务项目特征的关联度;
第五获得单元15,所述第五获得单元15用于根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,获得第一并联类别序列;
第六获得单元16,所述第六获得单元16用于对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;
第七获得单元17,所述第七获得单元17用于对所述第一分布式存储结果进行字符串标记,获得第一标记结果。
进一步的,所述系统包括:
第八获得单元,所述第八获得单元用于获得所述每个类别的电子券的用户对象特征;
第九获得单元,所述第九获得单元用于根据所述每个类别的电子券的用户对象特征,获得第一串联类别序列;
第十获得单元,所述第十获得单元用于将所述第一分布式存储结果按照所述第一串联类别序列进行更新,获得第二分布式存储结果;
第十一获得单元,所述第十一获得单元用于将所述第二分布式存储结果按照所述第一串联类别序列进行求交处理后按照区块链进行分布式存储,获得第三分布式存储结果;
第十二获得单元,所述第十二获得单元用于对所述第三分布式存储结果进行字符串标记,获得第二标记结果。
进一步的,所述系统包括:
第十三获得单元,所述第十三获得单元用于获得所述每个类别的电子券的用户对象特征,所述用户对象特征包括性别、职业、年龄;
第十四获得单元,所述第十四获得单元用于根据所述每个类别对应的所述服务项目特征,对所述用户对象特征进行权重分配,获得第一权重比;
第十五获得单元,所述第十五获得单元用于将所述每个类别的电子券按照用户对象特征的所述第一权重比由小到大排列,获得第一串联类别序列。
进一步的,所述系统包括:
第十六获得单元,所述第十六获得单元用于获得第一初始对象特征权重分配模型;
第一构建单元,所述第一构建单元用于构建第一数据训练方,所述第一数据训练方的第一训练数据包括所述每个类别的电子券用户对象的性别、年龄;
第十七获得单元,所述十七获得单元用于通过所述第一数据训练方利用所述第一训练数据对所述第一初始对象特征权重分配模型进行训练,获得第一模型参数;
第二构建单元,所述第二构建单元用于构建第二数据训练方,所述第二数据训练方的第二训练数据包括所述每个类别的电子券用户对象的职业、喜好;
第十八获得单元,所述十八获得单元用于通过所述第二数据训练方利用所述第二训练数据对所述第一初始对象特征权重分配模型进行训练,获得第二模型参数;
第十九获得单元,所述十九获得单元用于根据所述第一模型参数和所述第二模型参数对所述第一初始对象特征权重分配模型进行更新,获得第一对象特征权重分配模型。
进一步的,所述系统包括:
第二十获得单元,所述二十获得单元用于获得与所述每个类别的电子券相对应的字符串标识信息;
第一执行单元,所述第一执行单元用于将与所述每个类别的电子券相对应的字符串标识信息和所述类别的电子券作为一个存储区块;
第二十一获得单元,所述二十一获得单元用于将存储所有类别电子券的存储区块分别存储在多个存储设备中,获得第一分布式存储结果。
进一步的,所述系统包括:
第二十二获得单元,所述二十二获得单元用于获得所述每个类别的电子券中具有所述第一串联类别中相同权重比的电子券进行求交处理,获得多个具有相同用户特征权重比电子券交集;
第二十三获得单元,所述二十三获得单元用于对所述多个具有相同用户特征电子券交集,按照区块链进行分布式存储,获得第三分布式存储结果。
示例性电子设备
下面参考图9来描述本申请实施例的电子设备,
基于与前述实施例中一种基于信息流并联的区块链电子券标记方法相同的发明构思,本申请实施例还提供了一种基于信息流并联的区块链电子券标记系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行第一方面任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdiscread-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种基于信息流并联的区块链电子券标记方法。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
本申请实施例提供了一种基于信息流并联的区块链电子券标记方法,其中,所述方法包括:根据大数据获得第一电子券集合;根据服务项目特征对所述第一电子券集合进行分类,获得第一分类结果;获得第一中心服务项目特征;根据所述第一中心服务项目特征和所述第一分类结果,分别获得所述第一分类结果中每个类别与所述第一中心服务项目特征的关联度;根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,获得第一并联类别序列;对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;对所述第一分布式存储结果进行字符串标记,获得第一标记结果。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a ,b,或c中的至少一项(个、种),可以表示:a ,b,c,a -b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种基于信息流并联的区块链电子券标记方法,其中,所述方法包括:
根据大数据获得第一电子券集合;
根据服务项目特征对所述第一电子券集合进行分类,获得第一分类结果;
获得第一中心服务项目特征;
根据所述第一中心服务项目特征和所述第一分类结果,分别获得所述第一分类结果中每个类别与所述第一中心服务项目特征的关联度;
根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,获得第一并联类别序列;
对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;
对所述第一分布式存储结果进行字符串标记,获得第一标记结果。
2.如权利要求1所述的方法,其中,所述方法还包括:
获得所述每个类别的电子券的用户对象特征;
根据所述每个类别的电子券的用户对象特征,获得第一串联类别序列;
将所述第一分布式存储结果按照所述第一串联类别序列进行更新,获得第二分布式存储结果;
将所述第二分布式存储结果按照所述第一串联类别序列进行求交处理后按照区块链进行分布式存储,获得第三分布式存储结果;
对所述第三分布式存储结果进行字符串标记,获得第二标记结果。
3.如权利要求2所述的方法,其中,所述根据所述每个类别的电子券的用户对象特征,获得第一串联类别序列,包括:
获得所述每个类别的电子券的用户对象特征,所述用户对象特征包括性别、职业、年龄;
根据所述每个类别对应的所述服务项目特征,对所述用户对象特征进行权重分配,获得第一权重比;
将所述每个类别的电子券按照用户对象特征的所述第一权重比由小到大排列,获得第一串联类别序列。
4.如权利要求3所述的方法,其中,所述根据所述每个类别对应的所述服务项目特征,对所述用户对象特征进行权重分配,获得第一权重比,包括:
获得第一对象特征权重分配模型;
将所述每个类别的电子券的任意用户对象特征输入所述第一对象特征权重分配模型,获得第一输出信息,其中,所述第一输出信息包括所述第一权重比。
5.如权利要求4所述的方法,其中,所述获得第一对象特征权重分配模型,包括:
获得第一初始对象特征权重分配模型;
构建第一数据训练方,所述第一数据训练方的第一训练数据包括所述每个类别的电子券用户对象的性别、年龄;
通过所述第一数据训练方利用所述第一训练数据对所述第一初始对象特征权重分配模型进行训练,获得第一模型参数;
构建第二数据训练方,所述第二数据训练方的第二训练数据包括所述每个类别的电子券用户对象的职业、喜好;
通过所述第二数据训练方利用所述第二训练数据对所述第一初始对象特征权重分配模型进行训练,获得第二模型参数;
根据所述第一模型参数和所述第二模型参数对所述第一初始对象特征权重分配模型进行更新,获得第一对象特征权重分配模型。
6.如权利要求1所述的方法,其中,所述对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果,包括:
获得与所述每个类别的电子券相对应的字符串标识信息;
将与所述每个类别的电子券相对应的字符串标识信息和所述类别的电子券作为一个存储区块;
将存储所有类别电子券的存储区块分别存储在多个存储设备中,获得第一分布式存储结果。
7.如权利要求2所述的方法,其中,所述将所述第二分布式存储结果按照所述第一串联类别序列进行求交处理后按照区块链进行分布式存储,获得第三分布式存储结果 ,包括:
获得所述每个类别的电子券中具有所述第一串联类别中相同权重比的电子券进行求交处理,获得多个具有相同用户特征权重比电子券交集;
对所述多个具有相同用户特征电子券交集,按照区块链进行分布式存储,获得第三分布式存储结果。
8.一种基于信息流并联的区块链电子券标记系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得根据大数据获得第一电子券集合;
第二获得单元,所述第二获得单元用于根据服务项目特征对所述第一电子券集合进行分类,获得第一分类结果;
第三获得单元,所述第三获得单元用于获得第一中心服务项目特征;
第四获得单元,所述第四获得单元用于根据所述第一中心服务项目特征和所述第一分类结果,分别获得所述第一分类结果中每个类别与所述第一中心服务项目特征的关联度;
第五获得单元,所述第五获得单元用于根据所述关联度和所述第一中心服务项目特征,对所述第一分类结果中的各类别进行并联排序,获得第一并联类别序列;
第六获得单元,所述第六获得单元用于对所述第一并联类别序列将每个类别的电子券按照区块链进行分布式存储,获得第一分布式存储结果;
第七获得单元,所述第七获得单元用于对所述第一分布式存储结果进行字符串标记,获得第一标记结果。
9.一种基于信息流并联的区块链电子券标记系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使系统以执行如权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111251451.9A CN113689247B (zh) | 2021-10-27 | 2021-10-27 | 一种基于信息流并联的区块链电子券标记方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111251451.9A CN113689247B (zh) | 2021-10-27 | 2021-10-27 | 一种基于信息流并联的区块链电子券标记方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689247A true CN113689247A (zh) | 2021-11-23 |
CN113689247B CN113689247B (zh) | 2022-02-15 |
Family
ID=78588198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111251451.9A Active CN113689247B (zh) | 2021-10-27 | 2021-10-27 | 一种基于信息流并联的区块链电子券标记方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689247B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424007A (zh) * | 2017-07-12 | 2017-12-01 | 北京京东尚科信息技术有限公司 | 一种构建电子券敏感度识别模型的方法和装置 |
CN108076154A (zh) * | 2017-12-21 | 2018-05-25 | 广东欧珀移动通信有限公司 | 应用信息推荐方法、装置及存储介质和服务器 |
WO2019120330A2 (en) * | 2019-04-08 | 2019-06-27 | Alibaba Group Holding Limited | Product promotion using smart contracts in blockchain networks |
CN110033317A (zh) * | 2019-03-26 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种基于区块链的电子券发放方法及系统 |
CN110163641A (zh) * | 2018-02-13 | 2019-08-23 | 北京嘀嘀无限科技发展有限公司 | 优惠券发放方法及系统 |
CN111291125A (zh) * | 2020-02-18 | 2020-06-16 | 广州腾讯科技有限公司 | 一种数据处理方法及相关设备 |
KR102123754B1 (ko) * | 2019-01-04 | 2020-06-16 | 에스케이 주식회사 | 블록체인 코인 기반의 상품권 서비스 시스템 및 방법 |
US20200265352A1 (en) * | 2019-02-19 | 2020-08-20 | Oracle International Corporation | Generating and applying a prediction model based on blockchain data |
CN113347164A (zh) * | 2021-05-24 | 2021-09-03 | 湖南大学 | 基于区块链的分布式共识系统及方法、设备、存储介质 |
CN113360780A (zh) * | 2021-08-10 | 2021-09-07 | 北京黑马企服科技有限公司 | 一种基于大数据的信息推荐方法及系统 |
-
2021
- 2021-10-27 CN CN202111251451.9A patent/CN113689247B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424007A (zh) * | 2017-07-12 | 2017-12-01 | 北京京东尚科信息技术有限公司 | 一种构建电子券敏感度识别模型的方法和装置 |
CN108076154A (zh) * | 2017-12-21 | 2018-05-25 | 广东欧珀移动通信有限公司 | 应用信息推荐方法、装置及存储介质和服务器 |
CN110163641A (zh) * | 2018-02-13 | 2019-08-23 | 北京嘀嘀无限科技发展有限公司 | 优惠券发放方法及系统 |
KR102123754B1 (ko) * | 2019-01-04 | 2020-06-16 | 에스케이 주식회사 | 블록체인 코인 기반의 상품권 서비스 시스템 및 방법 |
US20200265352A1 (en) * | 2019-02-19 | 2020-08-20 | Oracle International Corporation | Generating and applying a prediction model based on blockchain data |
CN110033317A (zh) * | 2019-03-26 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种基于区块链的电子券发放方法及系统 |
WO2019120330A2 (en) * | 2019-04-08 | 2019-06-27 | Alibaba Group Holding Limited | Product promotion using smart contracts in blockchain networks |
CN111291125A (zh) * | 2020-02-18 | 2020-06-16 | 广州腾讯科技有限公司 | 一种数据处理方法及相关设备 |
CN113347164A (zh) * | 2021-05-24 | 2021-09-03 | 湖南大学 | 基于区块链的分布式共识系统及方法、设备、存储介质 |
CN113360780A (zh) * | 2021-08-10 | 2021-09-07 | 北京黑马企服科技有限公司 | 一种基于大数据的信息推荐方法及系统 |
Non-Patent Citations (3)
Title |
---|
WU, P 等: "Bigdata logs analysis based on seq2seq networks for cognitive Internet of Things", 《FUTURE GENERATION COMPUTER SYSTEMS-THE INTERNATIONAL JOURNAL OF ESCIENCE》 * |
储志强,仵冀颖,徐磊,杜聪: "基于区块链的分布式离链存储框架设计", 《信息网络安全》 * |
张志威,王国仁,徐建良,杜小勇: "区块链的数据管理技术综述", 《软件学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113689247B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902708B (zh) | 一种推荐模型训练方法及相关装置 | |
CN109493199A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN109345302A (zh) | 机器学习模型训练方法、装置、存储介质和计算机设备 | |
CN106251174A (zh) | 信息推荐方法及装置 | |
CN103914468B (zh) | 一种投放信息搜索的方法和装置 | |
CN107679946A (zh) | 基金产品推荐方法、装置、终端设备及存储介质 | |
Wang et al. | Large-scale ensemble model for customer churn prediction in search ads | |
CN108122122A (zh) | 广告投放方法和系统 | |
CN107944593A (zh) | 一种资源分配方法及装置,电子设备 | |
CN107220217A (zh) | 基于逻辑回归的特征系数训练方法和装置 | |
CN110622196A (zh) | 评估依赖于聚合历史数据的模型 | |
US20210118024A1 (en) | Multi-label product categorization | |
CN108960719A (zh) | 选品方法和装置以及计算机可读存储介质 | |
CN107122467A (zh) | 一种搜索引擎的检索结果评价方法及装置、计算机可读介质 | |
CN106407349A (zh) | 一种产品推荐方法及装置 | |
CN109582876A (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
CN106844407A (zh) | 基于数据集相关性的标签网络产生方法和系统 | |
Liu et al. | A graph learning based approach for identity inference in dapp platform blockchain | |
CN107767179A (zh) | 电子券的质量评价方法及装置 | |
CN111724238A (zh) | 产品推荐准确度评价方法、装置、设备及存储介质 | |
CN109213936A (zh) | 商品搜索方法和装置 | |
CN107767152A (zh) | 产品购买倾向分析方法及服务器 | |
CN107885784A (zh) | 提取用户特征数据的方法和装置 | |
CN110110213A (zh) | 挖掘用户职业的方法、装置、计算机可读存储介质和终端设备 | |
CN115345530A (zh) | 商场地址推荐方法、装置、设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |